Spørring

Hva det er

En spørring er en forespørsel om data, skrevet i et språk databasen
forstår, som kommer tilbake med et resultat: som regel et sett
rader, noen ganger ett enkelt tall. Håndboken til PostgreSQL
definerer ordet på én linje: å hente data fra en database, eller
kommandoen som henter dem, kalles en spørring (query), og i SQL er
den kommandoen SELECT. I dagligtale strekkes ordet lenger, og
utviklere kaller nesten hver setning de sender til en database, for
en spørring, også de som endrer data og sender noe tilbake. Begge
betydningene brukes nedenfor, og flertallet, spørringer, betyr
gjerne all trafikken en applikasjon sender.

Å spørre hvilke fakturaer som har ventet lengst på betaling, leses
nesten slik spørsmålet ville blitt stilt høyt:

```sql
SELECT i.number, c.name, i.amount, i.due_on
FROM invoices AS i
JOIN customers AS c ON c.id = i.customer_id
WHERE i.paid_on IS NULL
  AND i.due_on < current_date
ORDER BY i.due_on
LIMIT 20;
```

Teksten sier hva den vil ha, og lar metoden stå åpen. Fra teksten
mottas til første rad returneres, lister planleggeren i PostgreSQL
opp måtene den kan finne svaret på, f.eks. å lese hele
fakturatabellen eller å gå gjennom en indeks på `due_on`, anslår en
kostnad for hver og kjører den billigste. Kostnadene er i vilkårlige
enheter, som etter konvensjon er forankret i å lese én side fra
disk. To spørringer som ser like ut på skjermen, kan derfor skille
seg med en faktor tusen når dataene under dem vokser, og planen er
det eneste stedet den forskjellen synes.

Leddene kjøres i en annen rekkefølge enn de er skrevet i. Håndboken
beskriver behandlingen av SELECT med WITH først, så FROM, WHERE,
gruppering og HAVING, deretter SELECT-listen, og først etter det
ORDER BY og LIMIT. Den rekkefølgen forklarer en regel som overrasker
de fleste én gang: et navn som gis til en kolonne i SELECT-listen,
virker i ORDER BY og GROUP BY, mens WHERE kjøres før navnet finnes,
så der må uttrykket skrives ut på nytt. Resultatet av hver spørring
er selv en tabell, og derfor kan spørringer nøstes, med en
underspørring eller et WITH-ledd som mater radene sine inn i en
større spørring.

Hvorfor det er viktig

I en applikasjon med en relasjonsdatabase bak avgjør spørringene mye
av hvor rask en side føles, og hvor mye maskinvare systemet trenger.
Hvilke spørringer som betyr noe, er regning og ikke magefølelse: det
en spørring koster systemet, er varigheten ganget med hvor ofte den
kjøres. Et oppslag på 2 ms som kjøres en million ganger i timen,
blir til mer enn en halvtime databasetid hver time, mens en rapport
som tar to sekunder og kjøres to ganger om dagen, knapt synes.

PostgreSQL fører det regnskapet i utvidelsen pg_stat_statements. Den
slår sammen setninger som bare skiller seg i konstantene de
inneholder, til én oppføring, og registrerer hvor mange ganger hver
ble kjørt, og hvor lang tid de brukte til sammen. Å sortere etter
total i stedet for gjennomsnitt er vanen som lønner seg først i
arbeid med spørringer, fordi den peker på setningen som er verdt å
rette, og ikke på den som bare ser treg ut.

Hver spørring koster også en rundtur. Applikasjonen sender tekst,
serveren parser, planlegger og kjører den, og radene reiser tilbake.
For et raskt oppslag i en indeks kan rundturen veie mer enn selve
arbeidet. Formen på samtalen betyr derfor like mye som hver enkelt
setning: én UPDATE som rører hundre rader, er én rundtur, og en
løkke som leser hundre rader og oppdaterer dem én etter én, er
hundre og én.

Så er det spørsmålet om hvem som skriver spørringene. En ORM eller
en spørringsbygger genererer dem fra applikasjonskoden, noe som går
raskt for enkel lesing og skriving og holder koden i ett språk. Men
det skjuler også hvor mange setninger en forespørsel sender, og
hvordan de ser ut, helt til en side blir treg. Håndskrevet SQL viser
begge deler, mot at noen eier den som all annen kode. En deling som
fungerer, lar ORM-en ta seg av rutinepostene, skriver de
ytelseskritiske kodestiene for hånd og leser den genererte SQL-en
for alt som klatrer til toppen av totalene.

Slik ser det ut i praksis

Metoden for en treg database i Optimaliser databasen før du sharder
den begynner med spørringene, før noen priser flere maskiner. Første
steg spør PostgreSQL hvilke setninger som koster mest totalt, med
pg_stat_statements sortert etter samlet kjøretid. Andre steg kjører
EXPLAIN (ANALYZE, BUFFERS) på setningen øverst for å se planen
databasen valgte, radene hvert steg faktisk returnerte mot radene
planleggeren ventet, og hvor mange sider den leste.
Tommelfingerregelen i notatet er at en skanning av en million rader
for å returnere ti, eller et estimat som bommer med en faktor
hundre, som regel forklarer tregheten alene. Notatet teller
rundturer også, og trekker den samme grensen som denne artikkelen
trekker over: det som må se dataene, flytter inn i databasen, og
forretningsregler blir i applikasjonen.

En spørring kan også gjøre jobben til en lås. I Å selge den siste
billetten nøyaktig én gang går et lynsalg galt på én av to måter. Å
lese lagerbeholdningen, avgjøre i applikasjonen og skrive det nye
tallet tilbake lar to kjøpere ta den siste enheten begge to; å holde
en radlås over den applikasjonslogikken får hver kjøper til å vente
bak den. Løsningen samler sjekken og nedtellingen i én betinget
UPDATE som trekker fra antallet bare der det er nok igjen på lager,
og returnerer det nye nivået. Én rad tilbake betyr at enheten er
reservert, og null rader betyr utsolgt. På READ COMMITTED,
standardnivået for isolasjon i PostgreSQL, venter en annen kjøper
som når raden mens den første holder den, og evaluerer så
WHERE-leddet på nytt mot den committede raden, så den siste enheten
går til nøyaktig én av dem. En CHECK-skranke som holder beholdningen
på null eller over, står bak spørringen.

Hvor det går galt

En billig spørring som dominerer lasten. Databasen er hardt
belastet, men loggen over trege spørringer er stille, fordi hvert
kall er ferdig på noen få millisekunder. Årsaken er hyppighet: én
rask spørring som kalles ved hver forespørsel, ofte fra en løkke
eller fra en komponent som finnes på hver side. Ranger setningene
etter samlet kjøretid i pg_stat_statements, og bruk så caching på
resultatet, samle kallene i batcher, eller gjør spørringen billigere
med en indeks som passer filteret.

En side som sender hundrevis av spørringer. Hver spørring i
sporingen tar et millisekund, og siden bruker likevel sekunder. En
ORM som laster relaterte poster etter behov (lazy loading), med én
spørring per foreldrerad, er den vanlige årsaken, kjent som
N+1-mønsteret. Last de relaterte radene i én spørring, med en join
eller med `WHERE id = ANY($1)` og en matrise med nøkler, og følg med
på antallet setninger per forespørsel like nøye som varigheten til
hver enkelt.

Den siste enheten solgt to ganger. To forespørsler leser den samme
lagerbeholdningen, begge avgjør at det er nok, og begge skriver.
Lesing og skriving i separate setninger lar det stå en åpning mellom
sjekken og handlingen, og samtidig trafikk finner den. Lukk åpningen
inne i spørringen, med en betinget UPDATE og RETURNING som over,
eller med SELECT ... FOR UPDATE holdt så kort som mulig og uten noe
nettverkskall mellom låsen og commiten.

En diagnose som endret dataene. Noen kjører EXPLAIN ANALYZE på en
treg DELETE for å se planen, og radene er borte. ANALYZE utfører
setningen på ordentlig og kaster bare utdataene, så hver sideeffekt
skjer. Pakk enhver setning som endrer data, inn i BEGIN og ROLLBACK
før du analyserer den, eller bruk vanlig EXPLAIN, som planlegger
uten å kjøre, når estimatene holder.

Les mer

  * SELECT — hele syntaksen for en spørring i PostgreSQL, med
rekkefølgen leddene behandles i.

  * 7.1. Overview — starten på kapittelet om spørringer i håndboken,
med definisjonen av ordet.

  * 51.1. The Path of a Query — veien fra klientens tekst gjennom
parser, omskriver og planlegger til utføreren.

  * 14.1. Using EXPLAIN — hvordan du leser en plan, hva
kostnadsenhetene betyr, og hvorfor ANALYZE kjører setningen.

  * F.32. pg_stat_statements — track statistics of SQL planning and
execution — utvidelsen som rangerer spørringer etter hva de koster
totalt.

  * 13.2. Transaction Isolation — hva en annen skrivende transaksjon
ser under READ COMMITTED, og hvorfor WHERE-leddet sjekkes på nytt.

hDenne siden på nettet	URL:https://engineer.company/nb/glossary/query/	engineer.company	70
